说说做Biostatistician的好处坏处

tzhang1988 发表于 2019-7-17 22:18
楼主，我感觉你的经验并不算一个typical biostatistician的case。如果是做clinical trial的话，FDA只接受SA ...

每年FDA的审查只是一小部分，大部分是医生想发会议文章来找到我去做数据分析（不只是美国，还有日本，澳大利亚，印度，中国等等）。所以SAS证书我也有，但是用的真心不多。我工作偏research方向，因为基本上每个月都会有1-2个医生会发来要求。不过不是所有的分析最后都能用来发顶会，有的医生也想看一下结果出来之后怎么样，如果不是statistically significant可能就不发了。

jimmyYang 发表于 2019-7-17 15:18
想問下樓主轉專業是那些專業算轉？DA大多都是Stat, BA來做，所以其他算轉專業嗎？

见了很多商科（会计，管理等），感觉coding不足然后数理统计基础不牢固，p-value不知道是什么，MLE基本的手推公式都做不到，machine learning的算法公式也不会，只是简历上有project。这种小朋友是有的。

DA可以cs，统计，数学相关背景好些。

kumacoccus 发表于 2019-7-17 14:51
根据楼主的描述，这应该是phd level biostatistician的体验。作为Master level，有时候不得不无脑执行高级 ...

我也是MS in Statistics啊，但是我觉得只要搞biostatistician phd的学位是更好一些的。我准备申请phd了。

其实做完了分析，高级统计师也是要听老板意见的（终稿必拿给大老板审核，大老板说不行就得改），每个工作都会有entry level这个阶段，我的助手现在也是在做data cleaning，然后我主要做分析，这不影响big picture和experiment design啊，我看到数据经常会像她们请教是怎么做data cleaning的，她们也会问我一些experiment design的问题，互相交流很有趣的。

jiulaikankan123 发表于 2019-7-17 11:24
LZ 现在的DS行业是不是涌入了很多phd 非统计背景的？
因为。。。基础数学和coding似乎大多数phd都能cover
...

是的，很多phd都来转ds了，但是拿offer就是见仁见智了，phd相比较ms能更有希望拿面试而已。

AnoymD 发表于 2019-7-17 23:21
每年FDA的审查只是一小部分，大部分是医生想发会议文章来找到我去做数据分析（不只是美国，还有日本，澳 ...

明白了，你们跟大药厂中偏research的部门比较相似。而不是像专门clinical trial部门，biostat主要任务是跟trial，Develop protocol，写SAP，review output，做submission。

本文被选为全站置顶文章之一。
作者获得大米奖励。谢谢你的分享。

想问问怎么上班刷leetcode？药厂管的很严啊。天天上leetcode，IT那边都知道的。只是管不管的问题。

lin_opta 发表于 2019-7-18 01:21
想问问怎么上班刷leetcode？药厂管的很严啊。天天上leetcode，IT那边都知道的。只是管不管的问题。

我不知道我师兄怎么刷的。不过我看过其他的帖子可以自己用ide写然后提交。

我本人是上某算法班，然后用lintcode刷题加上codecademy的ds课，下班前1个小时慢慢刷一会（大家根据个人情况自行选择，不做推广，我比较菜所以就和朋友团购的，有大腿可以带飞。）

我个人是独立办公室，而且我们的IT manager人挺nice的。open office的要谨慎。因为你不知道谁是老板的眼线啊。

其实上班时间比较零碎，主要还是周末抽出了一下午去图书馆高效率刷一会为主。

感谢LZ分享 我现在准备入职一个CRO做statistician 看到LZ说的数理基础概念 其实我本人这块也非常薄弱 MS阶段才开始正式学习生统的 水平大概就是只能看看数据库交流一下对方想要什么 重新理理数据然后跑code看结果…什么降维降bias手推算法公式啥的基本都比较盲区…请问LZ对我这种比较速成的生统学生但是又准备在工业界工作的有什么建议吗？

xiahdyna 发表于 2019-7-18 02:01
感谢LZ分享 我现在准备入职一个CRO做statistician 看到LZ说的数理基础概念 其实我本人这块也非常薄弱 MS阶 ...

如果有条件去读PhD，系统的知识还是学校帮助大一些，我的手推公式能力基本都是在准备学校qualify exam中锻炼出来的。而且当时上了statistical learning和machine learning的两门课，收获巨大，能从数学的角度考虑很多机器学习算法，感觉理解的更深了。

在职如果想重新补基础，太难了。。。。